數字孿生技術及其在煉油產業中的應用

仇美玲，李奇安

（遼寧石油化工大學信息與控制工程學院，遼寧 撫順 113001）

隨著綜合國力提升，國內各企業為追求發展壯大，適應數字經濟的迅猛發展，爭取在行業中占據有利位置，需要不斷進行業務創新，提升技術和核心競爭力，推動公司進行數字化轉型［1～3］。近年來，數字孿生被應用在智慧礦山建設、互聯網平臺規劃、起重機械的監督檢驗、航天航空發展、智能機場建設、產品設計制造等領域，為各產業數字化轉型提供了借鑒［4～9］。數字孿生技術的應用使得石化產業煉油過程擁有更寬廣的發展，遠程監測指導、故障報警、故障預測、參數優化等正在逐步實現數字化管理，工作人員可以不親臨作業現場，不受時空約束，及時處理業務，提升辦公效率［10，11］。

1 數字孿生概念及發展歷程

1.1 概念

數字孿生技術是指建立對物理實體進行實時映射的虛擬孿生體，通過建立高精度還原物理實體的三維虛擬模型，對實體環境進行可視化，從而對物理實體的各項參數進行監視預測，基于市場價格對物理實體裝置持續進行實時優化和控制，由以往的裝置被動隨市場改變而變化，轉化為裝置主動應對市場變化，做出最優化改變。

數字孿生利用建模軟件構建虛擬物理模型，通過裝置傳感器獲得設備運行數據，并對物理設備運行數據進行多學科、多維度、多層次、多概率的仿真，使得物理實體環境在虛擬空間中實時映射。虛擬模型不僅能對物理實體進行模仿，還能對未來行為進行預測，降低物理實體的風險［12］。

1.2 發展歷程

2002 年，美國密歇根大學的Grieves（格里夫斯）教授［13］首次提出數字孿生三維模型，用來概括產品的全生命周期，包含數字孿生的真實空間、虛擬空間以及虛擬空間和真實空間的數據信息連接3個要素。2011年，美國空軍實驗室再次提及數字孿生，自此數字孿生概念開始有文字記載，被定義為“能夠在虛擬信息空間反應物理實體的功能、實時狀態和演變趨勢［14］”。2012 年，美國空軍實驗室與美國國家航空航天局就飛行器問題進行研究，提出了多尺度、多物理場和多概率分布的數字孿生飛行器仿真模型［15］。2014 年，格里夫斯教授發表文章，系統講述了數字孿生技術的應用前景，為數字孿生的發展普及提供了理論基礎［16］。

2017 年，中國召開“第一屆數字孿生與智能制造服務學術研討會［17］”。同年，北京航空航天大學陶飛［18～21］教授在數字孿生經典三維模型的基礎上增加了孿生數據和服務器2個要素，提出數字孿生的五維模型，首次將數字孿生技術結合車間進行研究，給出數字孿生車間的概念。于勇等［22］總結了數字孿生在產品構型中的應用。

莊存波等［23］對數字孿生的發展歷程進行研究，系統概括了數字孿生技術內容，并提出了孿生體系結構。

2018 年，唐堂等［24］指出數字化轉型是智能化制造的必由之路，并總結了數字孿生模型的結構框架。

2019 年，趙浩然等［25］從車間建模、數據管理、可視化、狀態看板構建4 個關鍵技術入手，提出了數字孿生的生產車間三維可視化監控方法，對生產設備進行實時監控管理。

對于數字孿生的模型構架，除了三維和五維模型，Jay Lee［26］還提出了基于工業4.0 制造系統的信息物理系統5C 架構，各數字孿生理論模型構架見表1。

表1 數字孿生理論模型

不同領域的研究者對數字孿生有不同的定義和理解，文中參考陶飛教授提出的數字孿生五維理論模型，對數字孿生體的關鍵技術及其在石油化工產業的應用前景進行探討。

2 數字孿生關鍵技術

以數字孿生體的五維模型為例，構造1個完整的數字孿生體系需要各軟件模塊相互協作。

（1）建模技術是關鍵所在，需要建立1 個能反映物理實體的虛擬數字模型來實現對物理實體狀態的模仿；

（2）利用物聯網技術實現虛實交互融合，做到數據的實時快速傳輸；

（3）利用仿真技術將特定性的規律通過模型轉化成軟件，實時反映物理實體的真實狀態；

（4）需要通過機器學習技術實現對參數的訓練預測，通過調整算法對設備進行優化控制。

整個孿生體系各組成要素之間的交互關系見圖1。

圖1 數字孿生體系

2.1 建模技術

搭建與物理實體結構功能相同的虛擬模型是實現數字孿生的關鍵，程昊等［27］基于物理生產線的多元數據，通過建模技術構建了生產線數字孿生模型，提供了規劃到調試再到運行的全面可視化，數字孿生模型涉及三維建模、機理建模和動態建模。

在常用的GIS 建模、航拍建模、BIM 建模和手工建模幾種三維建模方式中，BIM建模在工業建模更具優勢，也是石化產業數字化轉型建模的1種重要方式，包含AutoCAD、Navisworks、Infurnia、Vectorworks Architect、3D max等。常用軟件特點對比見表2。

表2 數字孿生理論建模軟件特點

孫長敏等［28］從某車間4 個角度闡述了數字孿生模型、概念和屬性，利用3d max建模結合unity搭建車間數字孿生體，解決了車間交互性差、效率低和監測困難等難題。

湯健等［29］利用SolidWorks 軟件搭建康復機器人物理模型，并導入Unity3D 平臺接收來自傳感器的實時數據驅動運行。

機理模型通過物理和數學公式表達模型內容，唐利民［30］對路面工程中的數字孿生模型進行討論，指出準確的力學行為、機理表達公式和數學模型是數字孿生實時準確映射的關鍵。

黃華等［31］利用Simulink 建模工具建立了機理模型，基于LSTM 神經網絡創建孿生數據驅動模型，2 者結合構成數字孿生系統，提高了模型的自適應度。

基于機器學習和深度學習的動態建模研究相對較少，成彬等［32］通過分析工序節點間的關聯和屬性，建立了數字孿生的工序動態模型，用來解決工序模型重建過程繁瑣和效率低等問題；楊陽等［33］通過局部模型與全局模型相結合的方式構建電網的數字孿生體模型，借用李雅普諾夫優化中的虛擬隊列概念進行構建優化，并采用深度學習算法降低模型損失和樣本數據積壓。

2.2 物聯網技術

物聯網技術是將物理空間與虛擬空間進行有效連接、實時采集數據并將數據進行分析、存儲和高效運輸的關鍵技術，可用工業以太網方式、串口方式、標簽數據等方式采集數據，后采用TCP 等通信協議完成數據運輸。劉俊等［34］使用OPC UA 進行網絡通信和數據傳輸，利用Unity 實現孿生模型可視化，為機器人焊接工作站的數字化、智能化提供了新思路。

工業以太網采集方式主要用來采集配置內置網卡的設備的數據信息，借助工業交換機實現設備與服務器之間的以太網連接。目前，對于煉油設備的數據采集可以通過軟件2 次開發的方式進行，通過軟件2次開發包可以對數據信息進行較為全面的采集，還可以對設備進行較好的遠程控制。串口方式進行數據采集即為通過各個串口進行數據通訊，常用Modbus 協議針對進行通訊的2 個終端設備間的各個參數（包括起始位、停止位、數據位等）實現數據較高速率傳輸。

標簽［35］數據則是通過傳感器對設備進行全生命周期監控，并將測量數據轉為信息傳遞給處理單元，通過RFID 讀取器發送的無線電波進行數據讀取，從而達到數據采集的目的。在工業流程中，主要是對物料以及人員位置進行信息追蹤，在設備及產品上都附有一維或二維碼作為其標識，此產品標識便可以使工作人員快速準確的了解產品的數據信息及設備狀態。

數據收集完成后，可通過建立數據庫來對數據進行分析、存儲，以便實現對數據的動態管理，常用的數據庫有MySQL、Oracle、Postgre SQL、MongoDB等。

2.3 仿真技術

仿真將模型轉化成軟件，反映物理真實運行狀態。其利用各軟件平臺，集成數據采集、數據管理、應用管理、模型管理等模塊，并借助可視化手段，如VR、AR，使用戶快速了解系統運行狀態，做出相應決策。

可用于數字孿生的仿真平臺種類多樣，涉及C#、Python、MATLAB等多種語言。

西門子公司2017年發布了數字孿生體應用模型，西門子nx平臺可用來進行數字孿生仿真［36］。

PTC 公司設計了Thing Worx 智能數字孿生平臺［37］。

楊得軍等［38］分析認為，Bentley 三維數字化工廠可提供三維可視化管理技術。

CE 公司推出可進行全生命周期預測的Predix平臺［39］。

趙建峰利用達索公司的3D EXPERIENCE 數字化軟件平臺對數字化工廠進行設計和實踐［40］。

林潤澤等利用Simulink 仿真環境實現了數字孿生體系的仿真運行［41］。

2.4 機器學習技術

通過物聯網技術使得物理實體和虛擬實體進行有效交互，運用實時采集的數據，通過機器學習技術，對未知規律進行預測，從而根據預測模型得到的結果，判斷物理實體的運行狀態以及故障報警。最后對物理實體進行指導改進，通過調整算法對參數進行控制優化，使設備產生更大的經濟效益。

通過已知歷史數據預測未知運行結果，常見的機器學習［42］建模方法有：隨機森林、決策樹、線性回歸、邏輯回歸、貝葉斯、支持向量機、最近鄰居、神經網絡等。結合材料成本、運行等條件約束參數以及工作人員輸入的當前運行狀態，模仿物理實體運行，實時優化系統RTO 會進行參數優化，并將優化結果傳送到先進控制系統APC，使裝置運行達到最優狀態。

2.5 可視化管理

數字孿生系統涉及云計算、大數據等技術，其中實現虛擬模型的可視化極為重要。數字孿生體系的可視化平臺即為在虛擬世界里建立的真實世界的平臺，在此平臺里我們可以看到真實世界的狀態甚至于超越當下的表現。

市面上常見的數字可視化平臺有Smartbi、山海鯨可視化、帆軟等。近年來，Unity［43］推出了數字孿生應用，可通過將建造的三維模型導入Unity 進行虛擬模型可視化。Unity具有面向不同專業的可嵌入產品，例如面向建筑行業人員的Reflect，通過Reflect 可以將行業軟件中的并用數據導入Unity中，并建立實時同步的數據連接。ArtEngine 是面向藝術家和設計師的1 款產品，MARS 是面向AR開發者的1項開發工具，Furioos可將數字孿生發布到任何設備或嵌入到任何網頁中，Simulation 對于應用仿真極具價值，還包括AR、VR等應用，都為數字孿生的開發提供了豐富的應用工具。

根據上述數字孿生關鍵技術，可總結出1套理論可行的數字孿生體系，首先采集數據并應用MySQL 對數據進行存儲，通過TCP 協議將數據傳輸到腳本語言程序，驅動利用3D max 建立并嵌入到Unity 的三維模型，從而實現虛擬世界對現實世界的模仿以及預測，見圖2。

圖2 數字孿生體建模流程

3 煉油產業中的數字孿生應用

石油化工領域的數字孿生正在悄然興起，王晨光［44］對石化行業數字化轉型中的數字孿生技術應用前景進行了展望，并總結了當前面臨的機遇和挑戰；陳鋼［45］基于快速發展的數字孿生技術，總結了其在石化行業的應用，并對油氣勘探，管道運輸，石油煉制等領域的應用逐一進行了分析；王華等［46］分析數字化工廠的未來發展趨勢，基于煉油化工企業設計了1套數字化平臺，對三維數字化工廠提出保真性、實時性和可擴展性的建議。

3.1 遠程監控和故障報警

石油煉制過程工藝復雜，數據繁多，通過智能算法對設備運行的歷史數據進行分析，并對重點關注區域進行紅外成像，從而構建出1個能夠實時反映煉化裝置運行、維護等全生命周期過程的虛擬模型，實時映射煉油現場生產過程，對設備的進出料、流量壓力等進行高度模仿。

煉油過程離不開專業人員的指導，但往往會存在一些原因使得專業人員不能及時趕到生產現場，從而導致施工延誤和資源浪費。

通過建立煉油設備數字孿生體，學習物理設備的動作規律，可視化設備運行環境，使得工作人員能夠及時準確接收到設備運行信息，實現對設備運行的遠程監控。

煉油各設備裝有壓力傳感器、溫度傳感器、流量傳感器等，實時采集設備運行數據并傳輸給3D模型驅動仿真，使得數字孿生遠程監控不同于傳統的監控設備，其不僅能對煉化工廠進行整體監控，還能對每個設備運行過程進行全方位的實時模擬，模擬結果清晰地展示在PC 端，專業人員不用親臨現場便可以了解到設備運行的全面狀況并對設備調整進行線上遠程指導，節約時間和成本、提高效益。

文獻［47］結合虛實數據，提出了1種基于貝葉斯網絡虛實結合的數字孿生驅動故障診斷模型，實現對系統的實時監測和故障預警。對煉化裝置實時監測和故障報警可在一定程度上減少上述問題的發生，將機器學習技術融入數字孿生，對大型復雜煉化裝置產生的大量數據進行分析處理，對比虛擬模型和物理實體運行數據，當數據序列差超過允許范圍時，表明運行產生故障，報警裝置給出相應提示，根據提示進一步確定故障原因。

3.2 故障預測和設備運維

設備是石油化工產業煉油的關鍵，對設備的全生命周期管理至關重要，基于動態模式分解的數據驅動數字孿生模型能夠根據實測數據預測未來狀態，并助于建立安全高效和低成本的運行策略，數字孿生技術利用模型和數據相結合的方法還可以彌補傳統PHM方法預測的不足［48］。數字孿生體在對煉化設備進行實時映射的同時，會通過人工智能算法對歷史數據、運行數據、經驗數據等進行分析，創建數學預測模型并訓練模型的精確度，最后利用歷史運行規律和現有數據預測未知數據，探索煉油設備的全生命周期，提前發現物理設備未來可能會發生的問題［49］。

例如由Fluen 軟件模擬儲罐溫度場監視預測孿生模型系統［50］，將傳感器與數字孿生技術相結合，綜合考慮模型層、數據層、應用層等結構，實現狀態監視和故障預測；針對煉化設備和中游產業的運輸管道存在的腐蝕泄露問題，可基于腐蝕大數據建立設備孿生體，實時映射實體狀態，分析預測腐蝕風險，得出設備腐蝕程度和腐蝕位置，工作人員根據預測得結果，對設備進行故障排查和維修，保障設備最高運作率及最長使用年限［51，52］。

3.3 設備控制和參數優化

數字孿生在產業數字化轉型中的優勢包含分析、監視、預測、優化等方面，搭建數字孿生體可以實現設備運行參數的優化。通過煉化裝置實體和虛擬模型的交互融合，物理實體的實時數據會傳遞給虛擬模型，虛擬模型的預測數據同樣可以反饋給物理實體裝置，控制實體運作。建立煉化裝置的數字孿生體數學和機理模型，應用智能控制算法和神經網絡、深度學習等理論知識，可以對不同進出料、不同流量、不同溫度等條件和約束下的煉油方案進行模擬運行，對比各條件下的運行結果得出最優化方案，將優化結果傳遞給先進控制系統，實現利益最大化。

數字孿生的優化功能在當前的多發展領域被學者廣泛研究，文獻［53，56］對數字孿生的優化功能進行了主要分析研究，針對機身對接問題搭建了融合控制算法和優化策略的數字孿生系統，優化了對接精度。

文獻［57，58］提出了1 個基于計算流體力學技術的數值模型，用來了解設備工作狀態，研究自主流入控制裝置的動態行為。

文獻［59，60］應用物聯網、實時數據、人工智能等技術建立了油氣生產優化預測模型，并指出數字孿生的油氣生產系統效率較之前提高了30%。以上等領域數字孿生優化模型的成功應用為其在煉化產業的發展提供了借鑒。

4 結束語

文中從數字孿生的概念及其發展歷程出發，結合國內外研究現狀，歸納了數字孿生的關鍵技術，以及常見的應用軟件，并對不同軟件方案進行優劣對比，總結出利用物聯網技術進行虛實交互和數據采集，通過TCP 等協議進行數據高質量傳輸，使用3d 建模軟件對物理設備建模并導入Unity引擎進行可視化的整個數字孿生體系。結合數字孿生的作用及其在其他行業應用所帶來的優勢，分析了其應用在煉油產業所能帶來的效益，以期為后續數字孿生體系的建造有所幫助。

目前，數字孿生關鍵技術在石化煉油產業的應用已初見成效，但距離全部技術成熟使用和大范圍推廣還面臨著許多困難和挑戰。例如，由于煉化裝置的復雜性，使得數字孿生體系的建模精度達不到理想的條件；由于數字孿生興起時間不長，使得其并沒有統一的理論體系，在各個行業有著不同的定義，難以互通共用；煉化過程中會產生大量的運行數據，沒有固定安全的平臺存放數據，網絡數據安全存在一定的風險。

未來還需將各種技術深度融合，利用機器學習、深度學習、神經網絡等提高數字孿生體系的精確度，力爭搭建通用的數字孿生體系，使其能在多個過程中重復使用，以降低成本。提高數字孿生體系的自主學習和決策能力，優化遞代過程，最大化煉油產業的效益，實現石化產業數字化轉型。